Bootstrap resampling in second order stochastic dominance based portfolio selection

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
School of Business | Master's thesis
Date
2020
Major/Subject
Mcode
Degree programme
Information and Service Management (ISM)
Language
en
Pages
48
Series
Abstract
Second-order stochastic dominance (SSD) is a useful method to identify return distributions that are dominating in portfolio construction without further information about the individual preferences of risk averse investors. However, SSD based portfolio selection models have their downsides as well such as error maximization and estimation error. Fortunately, bootstrap resampling has demonstrated having potential to mitigate these shortcomings. Thus, this study combines bootstrap resampling with Kuosmanen (2004) SSD based portfolio selection model by resampling the in-sample data with substitution and optimizing with Kuosmanen (2004) SSD based model. The optimal weights obtained from the optimization are then invested out-of-sample. Resample size and formation period are changed as parameters in the bootstrap resampling process to evaluate their effect on Kuosmanen (2004) model. The results are evaluated through performance metrics such as annualized return, volatility, and Sharpe ratio along with significance test against the value-weighted benchmark. This study concludes that bootstrap resampling reduces volatility and increases diversification of Kuosmanen (2004) SSD based model, which is in line with earlier studies about bootstrap resampling and portfolio selection literature. However, the extent to which volatility decreases and diversification increases largely depends on the resample size. It is also worth noting that computational complexity increases quadratically along with increasing resample size. In addition, combining bootstrap resampling with Kuosmanen (2004) SSD based model increases the performance in risk adjusted measures, such as Sharpe ratio, in comparison to the Kuosmanen (2004) SSD model without bootstrap resampling.

Toisen asteen stokastinen dominanssi on hyödyllinen keino etsiä dominoivia tuottojakaumia portfolion muodostamisessa ilman tietoa riskiä kaihtaavien sijoittajien yksittäisistä preferensseistä. Toisen asteen stokastisilla dominanssi -malleilla on kuitenkin haittapuolia kuten virheen maksimointia ja estimointivirheitä. Bootstrap uudelleenotannalla on onneksi potentiaalia näiden haittapuolien vähentämiseen. Tämä tutkimus yhdistää bootstrap uudelleenotannan Kuosmasen (2004) toisen asteen stokastisen dominanssi -mallin kanssa ottamalla otoksia takaisinpanolla ja optimoimalla Kuosmasen (2004) mallilla. Prosessista saadut optimaaliset painot investoidaan otoksen ulkopuolelle. Otannan suuruus sekä portfolion muodostamisjakso vaihdetaan tutkimuksessa parametreina, jotta nähtäisiin niiden vaikutukset Kuosmasen (2004) malliin. Tulokset arvoidaan suoritusmittareilla kuten vuotuistetulla tuotolla ja volatiliteetillä, Sharpen luvulla sekä tilastollisellä testillä, joka mittaa tilastollisen merkitsevyyden markkina-arvopainotetun vertailuportfolioon nähden. Tämän tutkimuksen tulokset osoittavat, että bootstrap uudelleenotanta vähentää volatiliteettiä ja nostaa portfolion hajautusta, mikä on linjassa aikaisempien tutkimusten kanssa bootstrap uudelleenotannan ja portfoliovalinnan kirjallisuudessa. Volatiliteetin lasku ja hajautuksen määrä riippuu kuitenkin otoksen koosta. Huomioitavaa on, että laskennallinen kompleksisuus nousee otoskoon kasvattaessa. Tämän lisäksi bootstrap uudelleenotannan yhdistäminen Kuosmasen (2004) malliin parantaa riskiin suhteutettuja mittareita kuten Sharpen lukua verrattuna Kuosmasen (2004) toisen asteen stokastiseen malliin, joka ei ole bootstrapattu.
Description
Thesis advisor
Kuosmanen, Timo
Liesiö, Juuso
Keywords
bootstrapping, resampling, second order stochastic dominance, portfolio selection
Other note
Citation